当前位置:主页 > 科技论文 > 航空航天论文 >

大数据技术在卫星运控中应用探索

发布时间:2018-06-29 05:00

  本文选题:科学卫星 + 大数据技术 ; 参考:《中国科学院研究生院(空间科学与应用研究中心)》2015年硕士论文


【摘要】:随着我国空间探索任务和科学卫星事业的蓬勃发展,空间科学已从低空探测发展到深空探测,科学探测范围逐步扩大,探测器也日渐增多,卫星探测任务更加频繁,这些因素引发了数据规模的迅猛增长趋势。科学卫星从立项到在轨运行,产生的数据种类非常多,数据量庞大,存储特别分散,很难通过传统方式,将其综合起来,应用到卫星的在轨运行管理中。在卫星运控数据管理领域,传统面向关系数据库管理系统的方法正面临着海量结构化、半结构化甚至非结构化数据集存储管理瓶颈,高并发访问与高扩展性的挑战,需要采用新方法对其实施有效管理,更好地服务于卫星运控管理应用和其他应用。借鉴发展日益成熟当前大数据技术,将大数据技术引入到科学卫星运控系统中。探索性地将大数据存储管理方法应用到围绕科学卫星产生的数据中,将卫星运控数据存入No SQL非关系数据库中,服务于卫星的在轨运行管理,发挥其模式灵活、快速存取、容错容灾、高并发访问、横向可扩展伸缩等特性。将大数据存储与处理框架Hadoop探索性地应用到科学卫星运控系统,集中统一管理卫星生命周期中产生的海量非结构化数据,在有效控制系统维护成本的前提下,使系统获得海量存储能力、并行分布式处理能力、可扩展与可伸缩能力。论文的主要内容包括:1、分析卫星运控数据的特点,介绍卫星运控的相关知识背景。2、分析大数据技术的特点及对卫星运控数据管理的适用性。介绍分布式存储处理框架Hadoop以及No SQL数据库理论技术,分析探讨No SQL与传统关系型模型之间的差异,得出分布式处理框架和No SQL更适用于海量运控数据管理需求的结论。3、根据运控数据的特点,设计选择合适的大数据平台工具;4、基于hadoop分布式处理平台,将海量结构化半结构化卫星工程数据存储到HBase的数据模型设计及优化存储方案,以及将海量非结构化卫星生命周期数据以文件方式存储在HDFS分布式文件系统上,相应的元数据信息存储到HBase以获得快速查询响应特性和可扩展特性。5、通过部署配置及优化hadoop系统以及hbase存储实验验证大数据技术在卫星运控领域的可行性。本文使用大数据技术对卫星运控数据存储,具有一定的技术创新和实际应用价值的探索。
[Abstract]:With the vigorous development of space exploration missions and scientific satellites in China, space science has developed from low altitude exploration to deep space exploration. The scope of scientific exploration has gradually expanded, and the number of detectors has increased, and satellite exploration missions have become more frequent. These factors triggered a rapid increase in the size of the data. From project establishment to on-orbit operation, scientific satellites produce a large number of data types, large amount of data, especially scattered storage. It is difficult to integrate them through traditional methods and to apply them to the on-orbit operation management of satellites. In the field of satellite operation control data management, the traditional methods for relational database management system are facing the challenges of massive structured, semi-structured and even unstructured data set storage management bottleneck, high concurrent access and high scalability. It is necessary to adopt new methods to implement effective management to better serve for satellite operation management applications and other applications. Based on the development of big data technology, the big data technology is introduced into the scientific satellite operation control system. The big data storage management method is applied to the data generated around the scientific satellite, and the satellite operation control data is stored in the No SQL non-relational database, which serves the on-orbit operation management of the satellite, and gives full play to its flexible and fast access mode. Fault tolerant disaster tolerance, high concurrent access, lateral scalability and other features. The big data storage and processing framework, Hadoop, is applied to the scientific satellite operation control system for centralized and unified management of massive unstructured data generated in the satellite life cycle. Under the premise of effectively controlling the maintenance cost of the system, the big data storage and processing framework is applied to the scientific satellite operation control system. The system can achieve mass storage, parallel distributed processing, scalability and scalability. The main contents of this paper include: 1, analyzing the characteristics of satellite operation control data, introducing the knowledge background of satellite operation control, analyzing the characteristics of big data technology and its applicability to satellite operation control data management. This paper introduces the theory and technology of distributed storage and processing framework Hadoop and No SQL database, and discusses the difference between No SQL and traditional relational model. It is concluded that the distributed processing framework and No SQL are more suitable for mass operation control data management. According to the characteristics of the operation control data, a suitable big data platform tool is designed and selected, which is based on the hadoop distributed processing platform. The massive structured semi-structured satellite engineering data is stored in HBase data model design and optimized storage scheme, and the massive unstructured satellite life cycle data is stored in HDFS distributed file system in the form of files. The corresponding metadata information is stored in HBASE to obtain fast query response and extensibility. The feasibility of big data technology in satellite operation control field is verified by deploying configuration optimizing hadoop system and hbase storage experiment. This paper uses big data technology to store satellite operation control data, which has some technical innovation and practical application value.
【学位授予单位】:中国科学院研究生院(空间科学与应用研究中心)
【学位级别】:硕士
【学位授予年份】:2015
【分类号】:V556;TP311.13

【相似文献】

相关期刊论文 前10条

1 代明睿;朱克非;郑平标;;我国铁路应用大数据技术的思考[J];铁道运输与经济;2014年03期

2 黄德辉;;大数据技术在电力企业的应用[J];中国新技术新产品;2014年07期

3 李振元;李宝聚;王泽一;;大数据技术对我国电网未来发展的影响研究[J];吉林电力;2014年01期

4 ;CE人语[J];消费电子;2013年09期

5 吴剑锋,蒋寿伟,肖成永;延伸数据技术在AutoCAD明细表自动生成中的应用[J];机械设计与制造;2003年02期

6 程旭;赵云志;;大数据:开启面向未来的标准化事业[J];中国标准化;2014年05期

7 刘建英;键盘──办公机器和数据技术、概念和分类[J];标准化报道;1995年05期

8 赵文涛;郭晓利;;元数据技术研究[J];舰船科学技术;2011年S1期

9 黄俊杰;阮羚;马黎莉;方贤才;;采用多维度数据技术对已挂网绝缘子的分析与故障诊断应用研究[J];电瓷避雷器;2014年04期

10 ;[J];;年期

相关会议论文 前5条

1 ;北京京南航天数据技术有限公司[A];第十二届全国实验力学学术会议论文摘要集[C];2009年

2 徐子伟;张陈斌;陈宗海;;大数据技术概述[A];系统仿真技术及其应用学术论文集(第15卷)[C];2014年

3 贾丽;严f^隽;李聿渊;尹航;;大数据技术在指挥信息系统中的应用研究[A];2014第二届中国指挥控制大会论文集(下)[C];2014年

4 李忠;李姗姗;韩莹;;地震监测大数据技术研究框架[A];大数据、云计算与地球物理应用研讨活动论文摘要集[C];2014年

5 李欣;任越;;数据技术在存量住房批量评税中的运用[A];中国房地产估价师与房地产经纪人学会2011年年会论文集[C];2011年

相关重要报纸文章 前10条

1 记者 刘石磊;英国大数据技术应用获突破 瓶颈等问题尚待解决[N];经济参考报;2013年

2 中国证券投资基金业协会 王苇航;英国投资“大数据”能带来大收益吗[N];中国财经报;2013年

3 姜念云;以大数据技术促文化资源管理[N];中国文化报;2013年

4 本报记者 王娟;用大数据技术再造企业“外脑”[N];中国计算机报;2013年

5 陶翔 罗天雨;大数据技术的发展历程及其演化趋势[N];科技日报;2014年

6 记者 张兰;运用大数据技术推进保险业创新发展[N];金融时报;2014年

7 记者 李利军;巨细公司以纺织大数据技术打造共赢圈[N];中国纺织报;2014年

8 李倩;数据技术让保险更精彩[N];金融时报;2014年

9 北京大学教育学院副院长 教育技术系主任 尚俊杰;大数据技术下,如何报志愿?[N];光明日报;2014年

10 本报记者 陈鹏;改变生活,它真无所不能?[N];大连日报;2013年

相关硕士学位论文 前9条

1 段德珂;技术哲学视野下大数据技术研究[D];武汉理工大学;2014年

2 陈敏伟;大数据技术在铁路货运电子商务系统中的基本应用研究[D];西南交通大学;2015年

3 李虎;大数据技术在卫星运控中应用探索[D];中国科学院研究生院(空间科学与应用研究中心);2015年

4 王二朋;大数据技术和案例推理在城市建设审批中的研究与应用[D];浙江大学;2015年

5 李安增;基于大数据技术的环境质量监测系统的设计与实现[D];中国科学院研究生院(沈阳计算技术研究所);2015年

6 娄秀明;用关联数据技术实现网络知识组织系统的研究[D];华东师范大学;2010年

7 张爱莲;基于Web的选煤数据技术处理系统的研究与实现[D];安徽理工大学;2008年

8 王升;城市房屋拆迁管理GIS系统设计与实现[D];电子科技大学;2012年

9 韩浩;大数据技术在商业银行中的运用探讨[D];苏州大学;2014年



本文编号:2080959

资料下载
论文发表

本文链接:https://www.wllwen.com/kejilunwen/hangkongsky/2080959.html


Copyright(c)文论论文网All Rights Reserved | 网站地图 |

版权申明:资料由用户2c9b7***提供,本站仅收录摘要或目录,作者需要删除请E-mail邮箱bigeng88@qq.com